1. 大数据介绍：不同维度V、挑战及应用领域。 2. 云计算基础：软件即服务（SaaS）、平台即服务（PaaS）、基础设施即服务（IaaS）、桌面即服务（DaaS）、公有云、私有云及企业云。 3. 大数据计算：概念、平台、服务及工具 4. 大规模编程抽象：MapReduce及其开源实现Hadoop 5. 大规模数据处理框架：Apache Spark及其内置模块 6. 大规模数据库管理：NoSQL及其他工具，例如MongoDB、Google BigTable等 7. 大数据机器学习系统：方法及工具 8. 大数据可视化：数据类型及维度；视觉编码及感知 9. 大数据案例研究
• 搜索策略与游戏：与问题空间、空间图、实例、初始状态和目标状态、广度优先搜索、深度优先搜索、双向搜索、均匀成本搜索、启发式搜索、贪婪最佳优先搜索、爬山搜索、局部束搜索、A*搜索、游戏与搜索的区别、不同类型的游戏、Minimax算法、αβ剪枝算法和确定性与非确定性游戏。 • 知识表示、推理与规划：谓词逻辑、一阶逻辑、推理、语义网络、框架和脚本、多重继承、生产规则、推理、正向和反向链式推理、冲突解决。 • 基于知识的专家系统：知识获取、专家系统壳、专家系统架构、推理引擎、解释功能。 • 不确定性管理与推理：贝叶斯概率、贝叶斯网络、MYCIN不确定性因子、Dempster-Shafer证据理论、模糊逻辑。 • 学习：监督学习、无监督学习、半监督学习和强化学习、符号方法与连接主义方法、决策树、k-均值聚类、神经元与人工神经网络、多层感知器、卷积神经网络和循环神经网络概念。 • 选修高级主题：自然语言处理、大型语言模型、计算机视觉与语音识别、机器人技术。
• 物流与供应链管理概览。 • 物流与供应链管理的基本概念。 • IT 在需求、运输、库存和供应链管理中的应用。 • 运输和库存管理的建模。 • 供应链管理中的预测。 • 条形码和射频识别（RFID）及其在物流中的应用。 • 其他新兴的 IT 技术在物流中的应用。
• 金融概论：金融基础知识（如：金融行业、货币时间价值），债务与债券，股权，衍生品，其他投资（如：外汇、大宗商品、对冲基金），相关理论（如：资本资产定价模型）。 • 金融计算方法：数学方法、统计方法、行为金融学方法、基于机器学习的方法、基于模拟的方法等。 • 其他主题：金融科技（如：加密货币），金融伦理，案例研究等。
人机交互（HCI）的本质 人机交互的定义和重要性；人机交互的历史及其认知根源；各学科在人机交互中的角色。 评估 评估的作用；定性评估和启发式评估技术；实证评估和基准测试。 人类特性 感知和表示；人类记忆模型及其局限性；心理模型；使用隐喻；社会和组织方面；输入和输出设备：性能特征（人类和系统）。 形式化和概念模型 任务分析和预测建模；对话交互：类型和技术；描述交互过程的模型。 设计准则和度量标准 以用户为中心的设计；结构化的人机交互设计和愿景设计；标准和度量；支持设计的指导方针；文档和在线信息。 开发与应用 设计理由；参与式设计和原型设计；用户界面管理系统；万维网应用设计；群件；协作工作和虚拟环境。 高级人机交互选题 选题可能包括：人机交互；泛在计算；语音和自然语言接口；实体用户界面。
• 电子支付：介绍电子支付、加密原语、SET 和 3D 信用卡支付协议、现有电子支付及加密货币的未来; • 加密货币：介绍加密货币、数论、群概念、密码学、数字签名、椭圆曲线、比特币、以太坊、加密货币的运作机制、去中心化金融（DeFi）、非同质化代币（NFT）; • 分布式账本：介绍分布式账本技术、共识机制和去中心化、智能合约、分布式账本技术的多学科性质、分布式账本技术在加密货币之外的应用案例。
1. 介绍 a. 背景 b. 相关领域的综述 c. 视觉系统的发展 2. 图像获取与形成模型 a. 成像系统 b. 图像形成几何 c. 相机模型与标定 d. 正射投影与透视投影 3. 图像处理的基本原理 a. 图像增强 b. 图像表示 c. 图像变换 4. 深度学习的基本原理 a. 机器学习的基本概念 b. 深度神经网络 c. 变换器 5. 二维视觉 a. 图像特征、匹配与检索 b. 图像分割、理解与目标识别 c. 光流、视频跟踪与运动检测 d. 图像与视频生成 6. 三维视觉 a. 多视图几何 b. 重建：多视图与单视图的形状重建 c. 三维场景理解 7. 应用：工业、制图、机器人与游戏 8. 与计算机视觉相关的专业、法律/社会/伦理问题（例如，个人数据（隐私）条例）
当今商业中的产品和服务提供；供应链管理；信息系统视角下的业务流程管理（BPM）；马斯洛的需求层次理论；BPM的多学科性质；业务流程模型和符号表示标准（BPMN 2.0）；着色Petri网（CPN）；BPM生命周期；业务流程的指定与优先级、流程架构、流程发现、流程分析、流程重设计、流程实施及监控与控制；
1. 数字孪生和虚拟人类的基本概念及其应用场景和优势 2. 数字孪生的构建模块和技术支持，包括物理资产的建模与仿真、传感器等 3. 虚拟人类技术，包括语音识别、人体建模、服装建模、情感真实性等 4. 为智慧城市、智能会议等各类应用设计和开发数字孪生和/或虚拟人类解决方案
游戏引擎与编程的本质与重要性：游戏引擎的定义与重要性；计算机游戏的历史与发展；各学科在视频游戏中的角色。 游戏硬件：游戏机；图形处理单元（GPU）；摩尔定律；GPU与着色器编程；游戏编程；OpenGL与DirectX；通用图形处理单元（GPGPU）；游戏相关应用。 游戏设计理论与指导原则：以用户为中心的游戏设计；游戏类型；游戏环境；游戏目标；游戏资产：模型与材质；游戏机制；游戏故事与结构；支持游戏设计的指导原则。 计算机图形与渲染技术：游戏架构；2D/3D对象建模；渲染；光线追踪；动画；碰撞检测；纹理与视觉外观。 开发与应用：开发理由；交互式2D/3D视频游戏设计；游戏用户界面；多人游戏；虚拟与增强现实游戏。 游戏评估方法：游戏评估的作用；定量与定性技术；评估游戏设计；通过用户参与评估；评估实现；观察方法；查询技术。 高级计算机游戏选题：人机交互；严肃游戏与说服性游戏；游戏艺术与实验性游戏设计；游戏AI；非写实渲染在游戏中的应用。
• 介绍客户关系管理（CRM）：CRM的定义、目标、电子商务CRM、CRM流程、管理问题和衡量、客户的价值潜力、客户价值主张、CRM项目及其经济影响； • CRM信息系统：信息结构和代理框架；CRM软件包简介（如客户服务、在线订购、自动开票、营销和预测）； • CRM策略规划与项目开发：客户策略、品牌策略、渠道策略、CRM项目基础建设、需求规格和合作伙伴选择、项目实施与绩效评估； • 客户行为与分析：客户数据获取、客户数据库开发与数据质量、客户购买价值分析、客户画像与客户生命周期价值； • 知识驱动的CRM与技术：知识管理、数据仓库简介；CRM数据分析与数据挖掘； • 电子营销：营销的4P与4C；安索夫矩阵；网络营销的3C；电子营销组合； • CRM在社交媒体中的应用：社会CRM、社交媒体策略、内容开发、搜索引擎优化。
• 监督学习 定义、训练数据、输入空间维度、监督学习步骤、算法选择、偏差-方差困境、噪声、k-NN、线性判别分析、朴素贝叶斯、神经网络、深度学习模型、微调、评估指标。 • 无监督学习 数据类型、降维、特征选择、k-均值、混合模型、对比学习、异常检测、基于神经网络的方法、Hebbian学习、深度信念网络、自组织映射、潜在变量模型。 • 半监督学习 监督学习与未标记训练数据、连续性和流形假设、生成模型、启发式方法和低密度分离。 • 强化学习 定义、控制学习算法、最优性准则、价值函数、定向策略搜索、深度强化学习、学徒学习。 • 数据分析应用 利用机器学习在数据中发现数据类型和模式，选择性应用于主题建模、基因组学、预测等领域，涉及可扩展性、可解释性、法律/社会/伦理问题。
本课程将重点讲解数学规划问题及其应用。 • 优化问题的建模：决策变量、目标函数、约束条件、标准建模：线性规划、非线性规划和凸规划，简单的图形解法，有效性和可解性。 • 线性规划：单纯形法、松弛变量、对偶性、收敛性、线性规划的变体、整数规划、迭代方法。 • 非线性规划：二次规划、拉格朗日乘子、卡鲁什-库恩-塔克条件、牛顿法、最速下降法、共轭梯度法、分枝定界法。 • 凸规划：凸集、凸函数、共轭对偶性、半定规划、内点法、一阶方法。 • 优化求解器：CPLEX、MATLAB、OptimJ。 • 应用：调度、能量最小化、网络流、投资组合优化、预测与预报等。
1. 大数据：大数据的特点和大数据分析；数据存储、处理和可视化工具和技术。 2. AI与语言：文本分析、智能聊天机器人的应用。 3. AI与创造力：图像/视频风格化、故事生成、音乐生成的应用。 4. AI与工程系统：人工智能在机器人技术中的应用。智能机器人与机器人技术；搜索与规划。 5. 推荐系统：协同过滤、基于内容的过滤、多准则推荐系统和移动推荐系统。 6. AI与大数据伦理：职业伦理、使用伦理、设计伦理、公平机器学习、良好AI的挑战。
1. 神经网络与深度学习：神经元，多层感知器，梯度下降，深度学习的重要概念，循环神经网络，长短期记忆网络，门控循环单元，卷积神经网络，图神经网络，变换器 2. 强化学习：强化学习的重要概念，基于模型的学习，基于模型外的学习，时序差分学习，探索与利用，遗憾与策略搜索 3. 知识表示与推理：基于规则的产生式系统，案例推理系统，基于模型的推理系统，不确定情况下的推理：随机方法与模糊专家系统 4. 主动学习与对比学习：主动学习的定义，主动学习策略与算法，对比学习目标，对比学习算法 5. 对抗学习：攻击策略与类型，对抗学习技术，对抗学习在深度神经网络中的应用，图对抗网络 6. 转移学习：转移学习的概念与应用，经典转移学习方法，不同领域的转移学习 7. 集成学习与元学习：集成学习与元学习的定义，集成学习中的袋装法与提升法，多任务学习，基于优化的元学习，贝叶斯元学习 8. 联邦学习：联邦学习的概念，分布式机器学习，隐私保护的联邦学习，水平与垂直联邦学习 9. 可解释的人工智能：可解释人工智能的定义与目标，经典可解释方法（如决策树、贝叶斯网络、稀疏线性模型），可解释深度学习技术，数据可视化
课程内容： 1. 概述 — 历史、目标与服务、加密术语、术语。 2. 对称密钥加密 — 一次一密、伪随机生成器、流密码、块密码、DVD加密系统。 3. 消息完整性 — 消息认证码（CBC-MAC和PMAC）、抗碰撞散列（从抗碰撞性生成MAC）、认证加密（使用KDC进行会话设置）、Merkle树。 4. 公钥加密 — 模素数算术、Diffie-Hellman密钥交换、公钥加密（ElGamal）、模合数算术（RSA）、RSA累加器、Pederson承诺。 5. 数字签名 — RSA签名、基于哈希的签名、证书（透明证书、撤销证书）、环签名。 6. 协议 — 身份验证协议（密码协议、盐；一次性口令、挑战响应认证）、认证密钥交换、零知识协议、Zcash、RingCT。
I. 监督学习：训练和测试数据的基本概念、输入空间的维度、泛化、监督学习步骤、算法的选择、偏差-方差困境以及过拟合。模型包括kNN、朴素贝叶斯、决策树、神经网络和多层感知器、深度学习模型。 II. 强化学习：定义、马尔可夫决策过程、控制学习的算法、最优性的标准、价值函数、导向策略搜索、基于策略的学习、Q-Learning、深度强化学习、逆强化学习等。 III. 机器学习在金融中的应用：监督学习在金融中的应用、降维与金融数据可视化、马尔可夫决策过程和强化学习在期权定价中的应用、强化学习在最优交易和市场建模中的应用、强化学习和逆强化学习在股票投资组合交易中的应用。 IV. 案例研究：选择不同的经典和新兴案例进行深入研究和分析。
区块链与DApps基础 1. 分布式计算的历史 2. 共识算法与协议 3. 无许可与许可制区块链 4. 案例研究 区块链DApps框架与开发 5. Ethereum - 架构 - 钱包 - Gas和gas价格 - 智能合约 - 网络配置、维护与测试 6. Hyperledger Fabric - 架构 - 链码基础与生命周期 - 身份管理与成员服务提供者(MSP) - 私有数据集合 - 网络配置、维护与测试 7. 其他新兴框架 DApps开发中的其他考虑 8. 代币标准 9. 混合链 10. 安全问题
本科目概要/建议大纲： 1. 区块链安全概览 4.5 学时 流行区块链系统的安全架构、密钥和钱包的安全性、访问控制、节点安全 2. 网络层漏洞与攻击 4.5 学时 比特币、以太坊等流行区块链系统使用的对等协议及其相关的攻击和防御机制，如Eclipse攻击、路由攻击、拒绝服务攻击等 3. 6流行区块链系统使用的共识协议的安全性 流行的共识协议，如工作量证明、权益证明、委托权益证明、Raft等，以及相应的攻击和防御策略，如51%攻击、自私挖矿攻击等 4. 智能合约安全 15 学时 比特币中脚本的安全性、以太坊智能合约的安全性、Hyperledger Fabric链码的安全性及其他类型智能合约的安全性及其相应的解决方案 5. 去中心化应用的安全性 4.5 学时 去中心化应用（DApps）的架构、对DApps的攻击及防御策略 6. 预言机和跨链系统安全性 4.5 学时 流行预言机和跨链系统的架构、它们的安全威胁及防御机制
区块链共识介绍：典型区块链系统的架构；区块链共识的基本概念；共识协议的历史；区块链共识的历史；传统共识与区块链共识之间的关系。 分布式共识算法：系统模型和问题定义；属性；终止性；一致性；完整性；故障模型；拜占庭将军问题；交互一致性；不可能结果；同步算法；正确性分析；复杂性分析；案例研究。 工作量证明、权益证明和实用拜占庭容错：哈希谜题；难度；分叉问题；经典的工作量证明；幽灵协议；工作量证明协议的分析；经典权益证明；中心化问题；改进提案；拜占庭容错的不可能性；实用拜占庭容错；比较与演示。 比特币、以太坊与公共区块链：比特币节点的架构；以太坊节点的架构；启动过程；挖矿池；自私挖矿；比特币源代码的分析；以太坊源代码的分析。 Hyperledger Fabric与联邦区块链：Hyperledger Fabric的架构；节点；背书者；排序节点；排序服务；Kafka；Zookeeper；实用拜占庭容错；Hyperledger Fabric源代码的分析。 高性能区块链共识：吞吐量与可扩展性；支付通道网络（PCN）；传统共识协议的局限性；混合共识；比特币-NG；并行化；分片；可信执行环境；DAG共识。 多链与Web 3.0中的算法与协议：跨链操作；多链共识；Web 3.0中的分布式算法；对等网络；协议实现；案例研究。
